数据仓库在决策支持系统中的应用new

《数据仓库在决策支持系统中的应用new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据墨羹烈蒜L～*中国高斯技术企业数据仓库在决策支持系统中的应用参文／龚远超【摘要】决策支持系统是20世纪80年代兴起的，但是由于没有模型库系统软件产品的支持，决策支持系统的开发受到很大的阻碍。但是兴起的数据仓库技术却为决策支持系统带来了新的生机。本文分析了建立在数据库基础上的决策支持系统的不足，倡导建立基于数据仓库系统的决策支持系统。在论述了数据仓库的概念和基本体系结构后。给出了采用数据仓库技术建立的决策支持系统的基本框架。【关键词】决策支持系统数据仓库技术数据挖掘联机分析处理一、引言1970年，Mo

2、non首先提出了决策支持系统(DSS)的概念，他认为“DSS是一种基于计算机的交互式系统，用以帮助决策者使用数据和模型去解决结构化较差的问题”①决策支持系统是利用决策资源(数据、模型、知识)达到辅助决策的系统，即决策支持系统是按决策问题的要求来组织和集成决策资源，建立有效解决实际决策问题的计算机程序系统。用模型、知识、数据等决策资源组合而成的决策支持系统是一种类似与搭积木块建造房屋的方式。通过改变或修改模型、知识、数据等资源，就可以构造多种形式的系统方案，通过各种方案的计算，对计算结果的对比和选择，就能达到

3、有效的辅助决策。二、传统DSS的不足传统的决策支持系统是基于数据库的，传统的数据库是用于事物处理．也叫操作型处理，是指对数据库联机进行日常操作，即对一个或一组记录的查询和修改，主要为企业特定的应用服务的。而决策支持系统以分析处理数据为主的，所以直接使用事务处理环境来支持DSS是行不通的，主要表现在以下几个方面：f1)数据的分散性。一般组织内各部门的系统具有相对独立性．所建立的各个数据库也就相互独立，即数据的存贮是分散进行的，决策分析所需要的综合数据集成数据一般很难得到②。(2)数据不一致问题。为了避免与其他

4、用户的冲突和简化用户，决策支持系统(DsS)通过数据视图，利用抽取程序从数据库中将有用数据提取并存放与其他文件或数据库中供使用。这种不加控制的抽取往往会形成数据蜘蛛网。使用分散的、蜘蛛网式的、异构的数据平台将会导致多个应用之间的数据不一致。(3)历史数据问题。数据库一般只储存短期数据，且不同数据的保存期限也不相同。而对DSS来说，历史数据是相当重要的。三、数据仓库的特点W．H．f啪on指出：数据仓库是面向主题的、整合的、稳定的，并且时变的收集数据以支持管理决策的一种数据决策形式③。一般认为数据仓库具有如下特

5、征：(1)数据仓库是面向主题的。主题是数据归类的标准，每个主题基本对应一个宏观的分析领域。(2)数据仓库是集成的。数据进入数据仓库之前，必须经过加工与集成。对不同的数据来源进行数据结构和编码的统一，统一原始数据中的所有矛盾之处．如字段的同名异义、异名同义、单位不统一、字长不一致等。总之，将原始数据结构做一个从面向应用到面向主题的大转变。(3)数据仓库是稳定的。数据仓库中包括了大量的历史数据，数据经集成进入数据仓库后是极少或根本不更新的。四、数据仓库系统结构数据仓库系统由数据仓库(DW)、仓库管理与分析工具三

6、部分组成．其结构形式如图：图1五、决策支持系统结构数据仓库中添加联机分析处理和数据挖掘等分析工具，能较大地提高辅助决策能力。联机分析处理对数据仓库中的数据进行多维数据分析．即多维数据的切片、切块、旋转、钻取等，只有通过分析更详细的数据，才能得到更深沉的信息和知识。数据仓库和联机分析出来及数据挖掘结合的决策支持系统，即DW+OLAP+DM的决策支持系统是以数据仓库为基础的，称为基于数据仓库的新决策支持系统。起结构图如下：图2六、新决策支持系统的特点：新决策支持系统的基础是数据仓库。所涉及的相关技术包捂数据库、

7、决策分析、人工智能的机器学习，其具有以下特点：(1)数据仓库和联机分析处理的数据组织方式是多维数据数据库的数据是二维平面结构形式(如关系数据库)，而数据仓库的数据组织已经把它扩展为空间的多维结构形式。这样，数据仓库就集中了更多的数据，便于用户大量数据中取得各自的辅助决策数据和信息。(2)数据仓库是为决策分析服务的数据仓库的数据不是大量数据库的堆积，而是按决策主题重新f下转98页)一87—万方数据蓁-烈瓣L一；中国高新技术企业(上接87页)组织数据，为决策服务。这与数据库数据为事务处理有本质差别。数据仓库中的

8、数据包括基本数据、历史数据、综合数据和元数据。这样．数据仓库数据可以提供综合信息和时间趋势分析信息等辅助决策信息。(3)联机分析处理提供多维分析手段联机分析处理所提供的多维分析手段有切片、切块、旋转、上下砖等多种形式，便于用户从不同角度提取所需的数据和信息(9。七．结论目前数据仓库应用最集中领域包括金融、医疗保健、市场、零售业、制造业、司法、工程与科学等。在这些领域中，数据挖掘出的知识为该领域的决策支持起到了越来